大宅配~ 生活美學

物流寄情56：大資料在智慧

醫療應用

楊惟雯

一、醫療大資料的來源

總體說來，在醫療數位化的過程中，大多數醫療機構來自臨床、財務、操作的應用程式，成了大資料產生的重要來源。

例如，在電子病歷系統、醫學影像資料（X光、CT，甚至PACS）、電子處方軟體、遠端醫療、醫療索賠、公共衛生報告、移動醫療設備、新興的健康APP中，都會產生大量的資料。

例如：一個CT圖像含有大約150MB的資料，而一個基因組序列檔大小約為750MB，一個標準的病理圖則大得多，接近5 GB。如果將這些資料量乘以人口數量和平均壽命，僅一個社區醫院或一個中等規模製藥企業就可以生成和累積達數個TB甚至數個PB級的結構化和非結構化資料。

尤其，80%以上的醫療資料都是非結構性的，無論紙質還是其他形式的都需要手動提取資料，甚至是結構資料——例如來自於HIE的——也經常無法分析。

二、醫療大資料的應用效益

醫療大資料分析，能產生可靠的智慧醫療投資。具體可應用在臨床診斷、遠端監控、藥品研發、防止醫療詐騙…等方面。

當然，要把醫療大資料轉換為經濟價值，最難的前提是醫療資料的挖掘，即如何能夠提取出與診療有關的資料。

（一）幫助醫生臨床診斷方面

大資料的第一個應用是臨床診斷。在臨床操作方面，可應用在:

1.比較效果研究(Comparative Effectiveness Research， CER)

通過全面分析病人特徵資料、費用資料和療效資料，然後比較多種干預措施的有效性，可以幫助醫生確定特定病人最具有成本效益的治療途徑。

而醫療護理系統實現CER，將有可能減少過度治療(比如避免那些副作用比療效明顯的治療方式)，以及治療不足。

2.臨床決策支援系統(Clinic decision support systems)

臨床決策支援系統可以提高工作效率和診療品質。目前的臨床決策支援系統分析醫生輸入的條目，比較其與醫學指引不同的地方，從而提醒醫生防止潛在的錯誤，如藥物不良反應。通過部署這些系統，醫療服務提供方可以降低醫療事故率和索賠數，尤其是那些臨床錯誤引起的醫療事故。

大資料分析技術將使臨床決策支援系統更智慧，這得益於對非結構化資料的分析能力的日益加強。比如可以使用圖像分析和識別技術，識別醫療影像(X光、CT、MRI)資料，或者挖掘醫療文獻資料建立醫療專家資料庫(就像IBM Watson做的)，從而給醫生提出診療建議。

3.醫療資料透明度

提高醫療過程資料的透明度，可以進行資料分析並創建視覺化的流程圖和儀錶盤。此可以帶來業務流程的精簡，通過精益生產降低成本，亦有助督促醫療服務機構改進醫療服務品質，從而提高競爭力。

（二）實現遠端監護醫療(Telemedicine)

大資料的第二個應用是電腦遠端監護。從對慢性病人的遠端監控系統收集資料，並將分析結果回饋給監控設備(查看病人是否正在遵從醫囑)，從而確定今後的用藥和治療方案。

以美國為例，2010年有1.5億慢性病患者，如糖尿病、充血性心臟衰竭、高血壓患者，他們的醫療費用占到了醫療衛生系統醫療成本的80%。遠端病人監護系統對治療慢性病患者是非常有用的。遠端病人監護系統包括家用心臟監測設備、血糖儀，甚至還包括晶片藥片，晶片藥片被患者攝入後，即時傳送資料到電子病歷資料庫。

舉個例子，遠端監控可以提醒醫生對充血性心臟衰竭病人採取及時治療措施，防止緊急狀況發生，因為充血性心臟衰竭的標誌之一是由於保水產生的體重增加現象，這可以通過遠端監控實現預防。

更多的好處是，通過對遠端監控系統產生的資料的分析，還可以減少病人住院時間、減少急診量，提高家庭護理比例和門診醫生預約量。

（三）加快藥品研發入市

大資料的第三個應用是醫療研發。

1.預測建模

這首先體現在預測建模。醫藥公司在新藥物的研發階段，可以通過資料建模和分析，確定最有效率的投入產出比，從而配備最佳資源組合。

評價因素包括產品的安全性、有效性、潛在的副作用和整體的試驗結果。通過預測建模可以降低醫藥產品公司的研發成本，提高研發效率。

除了研發成本，醫藥公司還可以更快地得到回報。通過資料建模和分析，醫藥公司可以將藥物更快推向市場，生產更有針對性的藥物，有更高潛在市場回報和治療成功率的藥物。原來一般新藥從研發到推向市場的時間大約為13年，使用預測模型可以説明醫藥企業提早3～5年將新藥推向市場。

2.提高臨床試驗設計的統計工具和演算法

使用統計工具和演算法，可以提高臨床試驗設計水準，並在臨床試驗階段更容易地招募到患者。通過挖掘病人資料，評估招募患者是否符合試驗條件，從而加快臨床試驗進程，提出更有效的臨床試驗設計建議，並能找出最合適的臨床試驗基地。比如那些擁有大量潛在符合條件的臨床試驗患者的試驗基地可能是更理想的，或者在試驗患者群體的規模和特徵二者之間找到平衡。

3.臨床實驗資料的分析

通過分析臨床試驗資料和病人記錄，可以確定藥品更多適應症或副作用。

4.個性化治療(Personalized Medicine)

另一種在研發領域有前途的大資料創新，是通過對大型資料集(例如基因組資料)的分析發展個性化治療。這一應用考察遺傳變異、對特定疾病的易感性和對特殊藥物的反應的關係，然後在藥物研發和用藥過程中考慮個人的遺傳變異因素。

個性化醫學可以改善醫療保健效果，比如在患者發生疾病症狀前，就提供早期的檢測和診斷。很多情況下，病人用同樣的診療方案但是療效卻不一樣，部分原因是遺傳變異。針對不同的患者採取不同的診療方案，或者根據患者的實際情況調整藥物劑量，可以減少副作用。

（四）防止醫療詐騙

大資料不僅可以應用在臨床診療，而且在醫院的定價付款方面也有用處。首先是防止醫療詐騙。建立索賠資料庫和相應的演算法，可以記錄醫療詐騙和索賠行為，防止醫療詐騙。在美國，每年有2%-4%的醫療索賠是欺詐性行為。

其次是藥品定價計畫的應用。在美國，藥企可以參與藥品定價，但必須承擔治療風險。也就是如果藥品治療效果好，藥品可以定價高一些;如果治療效果不好，藥品就要降價。通過建立資料庫和監測，能實現這個目標。

上述做法有利於控制醫療保健成本的開支，有利於患者以合適的價格獲得基於醫療研究的創新藥物。同時，醫藥產品市場准入門檻更高，醫藥企業也可更有針對性地推出療效藥品。

在歐洲，一些國家已經開始了基於衛生經濟學和療效的藥品定價測試項目。在定價付款方面，美國每年能產生300億美元的價值，其中一半是由於國家醫療保健開支的減少。

（五）用於公共政策制定

大資料還可用於公共健康監控。公共衛生部門可對覆蓋全國的電子病歷資料及社區居民的醫療資料進行分析，可用於流行病、慢性病調查、趨勢分析和預警，為進一步制定防治、干預計畫提供了有力的參考依據。另外，通過提供準確、及時的公眾健康諮詢，公眾健康風險意識大幅度提高，居民感染傳染病的風險降低，醫療索賠支出減少。

（六）用於醫療商業模式創新

大資料分析可以給醫療服務行業帶來新的商業模式。

1.匯總患者的臨床記錄和醫療保險資料集

匯總患者的臨床記錄和醫療保險資料集，並進行高級分析，將提高醫療支付方、醫療服務提供方和醫藥企業的決策能力。

比如，對醫藥企業來說，他們不僅可以生產出具有更佳療效的藥品，而且能保證藥品適銷對路。臨床記錄和醫療保險資料集的市場剛剛開始發展，擴張的速度將取決於醫療保健行業完成EMR和循證醫學發展的速度。

2.網路平臺和社區

另一個潛在的大資料啟動的商業模型是網路平臺和大資料，這些平臺已經產生了大量有價值的資料。比如PatientsLikeMe.com網站，病人可以這個網站上分享治療經驗; Sermo.com網站，醫生可以在這個網站上分享醫療見解; Participatorymedicine.org網站，這家非營利性組織運營的網站鼓勵病人積極進行治療。這些平臺可以成為寶貴的資料來源。例如，Sermo.com向醫藥公司收費，允許他們訪問會員資訊和網上互動資訊。

總之，對於大多數成功的醫療機構來說，利用大資料已經成為提高生產力、改進護理水準、增強競爭力、加快增長和創新的關鍵策略。

三、大資料在智慧醫療應用案例

[1] Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療資訊，通過大數據處理，更好地分析病人的資訊。

[2] 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鐘有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

[3] 健康類App。
它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次、一次一片，而是檢測到你的血液中藥劑已經代謝完成會自動提醒你再次服藥。

[4]IBM沃森(Watson)

IBM在醫療領域建樹頗多，但最酷的莫過於與WellPoint合作將智力問答電視節目“危險邊緣”的冠軍系統(Watson)部署到醫生的辦公室裡。Watson能“聽懂”醫生的自然語言問題，同時快速分析堆積如山的醫療研究資料給出答案。

[5]社交網站PatientsLikeMe

該網站允許使用者分享他們的治療資訊，使用者也能從相似的患者的資訊中發現更加符合自身情況的治療手段。作為一個副產品，PatientsLikeme還能基於使用者自願分享的資料進行觀測性實驗。

[6]Seton的疾病預防

如何能不通過昂貴的診斷技術就能診斷早期疾病是醫學界的一大課題，Seton醫療機構目前已經能 借助大資料做到這一點。例如充血性心臟衰竭的治療費用非常高昂，通過資料分析，Seton的一個團隊發現頸靜脈曲張是導致充血性心臟衰竭的高危因素。(而頸靜脈曲張的診斷幾乎沒有什麼成本)

[7]「可穿戴+大數據+健康」模式

隨著各種感測器的發展，可以說是即時的24小時可以從人身上測量到無數健康資訊，比如腦電圖、心電圖、血壓等等，這些資訊可以通過移動設備(手機、無線網)傳到雲端計算中心，提供給醫生進行管理。

就在三星智慧手錶Galaxy Gear、蘋果「iwatch」大張旗鼓的宣傳推廣之時，眾多物聯網科技公司亦在蠢蠢欲動、紛紛垂涎「移動健康」、「大數據醫療」等等光鮮亮麗的概念，最終可能改寫可穿戴手環、智能手錶命運。為更好地實現「全民健身」、「自我健康管理」理想，目前已推出包括運動健身手環、智慧運動腕帶、游泳MP3、自行車碼錶、運動心率手錶等健康類產品。

健康大數據的理想化狀態是由「可穿戴設備」或其他終端收集到人體生理數據，自動傳入雲端，進行數據分析與處理，再將其結果發給醫生，後者給出診斷或康復建議。尤其利用收集而來的「數據化」尋找病因，從而達到疾病預防的目的，這將是數字體育真正實現「移動健康」、開啟「全民健身」、「健康管理」時代的前提。